濟(jì)南冠宇智能科技有限公司
經(jīng)營(yíng)模式:生產(chǎn)加工
地址:山東省濟(jì)南市歷城區(qū)大橋路西側(cè)零點(diǎn)物流以北濟(jì)南電子商務(wù)物流園2-312號(hào)
主營(yíng):智能道閘,車(chē)牌識(shí)別系統(tǒng),人臉識(shí)別系統(tǒng),廣告門(mén),門(mén)禁系統(tǒng)
業(yè)務(wù)熱線:0531-88581615
鎮(zhèn)江景區(qū)通道閘-冠宇現(xiàn)代-景區(qū)通道閘價(jià)格
山東智能道閘,濟(jì)南車(chē)牌識(shí)別系統(tǒng),人臉識(shí)別門(mén)禁
傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見(jiàn)光圖像的人臉識(shí)別,這也是人們熟悉的識(shí)別方式,已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷,尤其在環(huán)境光照發(fā)生變化時(shí),識(shí)別效果會(huì)急劇下降,無(wú)法滿(mǎn)足實(shí)際系統(tǒng)的需要。解決光照問(wèn)題的方案有三維圖像人臉識(shí)別,和熱成像人臉識(shí)別。但這兩種技術(shù)還遠(yuǎn)不成熟,識(shí)別效果不盡人意。迅速發(fā)展起來(lái)的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響,已經(jīng)取得了的識(shí)別性能,在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過(guò)三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速,使人臉識(shí)別技術(shù)逐漸走向?qū)嵱没?。人臉與人體的其它生物特征(指紋、虹膜等)一樣與生俱來(lái),它的性和不易被的良好特性為身份鑒別提供了必要的前提,與其它類(lèi)型的生物識(shí)別比較人臉識(shí)別具有如下特點(diǎn):非強(qiáng)制性:用戶(hù)不需要專(zhuān)門(mén)配合人臉采集設(shè)備,幾乎可以在無(wú)意識(shí)的狀態(tài)下就可獲取人臉圖像,這樣的取樣方式?jīng)]有“強(qiáng)制性”;非接觸性:用戶(hù)不需要和設(shè)備直接接觸就能獲取人臉圖像;
并發(fā)性:在實(shí)際應(yīng)用場(chǎng)景下可以進(jìn)行多個(gè)人臉的分揀、判斷及識(shí)別;
識(shí)別數(shù)據(jù)人臉識(shí)別需要積累采集到的大量人臉圖像相關(guān)的數(shù)據(jù),用來(lái)驗(yàn)證算法,不斷提高識(shí)別準(zhǔn)確性,這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò)人臉識(shí)別數(shù)據(jù))、orl人臉數(shù)據(jù)庫(kù)、麻省理工學(xué)院生物和計(jì)算學(xué)習(xí)中心人臉識(shí)別數(shù)據(jù)庫(kù)、埃塞克斯大學(xué)計(jì)算機(jī)與電子工程學(xué)院人臉識(shí)別數(shù)據(jù)等。配合程度現(xiàn)有的人臉識(shí)別系統(tǒng)在用戶(hù)配合、采集條件比較理想的情況下可以取得令人滿(mǎn)意的結(jié)果。但是,在用戶(hù)不配合、采集條件不理想的情況下,現(xiàn)有系統(tǒng)的識(shí)別率將陡然下降。比如,人臉比對(duì)時(shí),與系統(tǒng)中存儲(chǔ)的人臉有出入,例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對(duì)失敗。
人臉圖像采集:不同的人臉圖像都能通過(guò)攝像鏡頭采集下來(lái),比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶(hù)在采集設(shè)備的拍攝范圍內(nèi)時(shí),采集設(shè)備會(huì)自動(dòng)搜索并拍攝用戶(hù)的人臉圖像。人臉檢測(cè):人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理,即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富,如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等。人臉檢測(cè)就是把這其中有用的信息挑出來(lái),并利用這些特征實(shí)現(xiàn)人臉檢測(cè)。主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法,Adaboost算法是一種用來(lái)分類(lèi)的方法,它把一些比較弱的分類(lèi)方法合在一起,組合出新的很強(qiáng)的分類(lèi)方法。人臉檢測(cè)過(guò)程中使用Adaboost算法挑選出一些代表人臉的矩形特征(弱分類(lèi)器),按照加權(quán)的方式將弱分類(lèi)器構(gòu)造為一個(gè)強(qiáng)分類(lèi)器,再將訓(xùn)練得到的若干強(qiáng)分類(lèi)器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類(lèi)器,有效地提高分類(lèi)器的檢測(cè)速度。